训练后如何保存 MASK RCNN 模型？答案

【问题标题】：How to save a MASK RCNN model after training?训练后如何保存 MASK RCNN 模型？
【发布时间】：2019-11-17 09:54:23
【问题描述】：

我正在使用 matterport 存储库在自定义数据集上训练 MASK RCNN。我在训练中取得了成功。现在我想保存经过训练的模型并在 Web 应用程序中使用它来检测对象。训练后如何保存 mask rcnn 模型？请指导我。

仓库的链接：

https://github.com/matterport/Mask_RCNN

【问题讨论】：

您是在寻找保存的权重还是训练后的模型架构？
模型架构

标签： python keras deep-learning computer-vision

【解决方案1】：

基于this discussion on GitHub，matterport/Mask RCNN 的训练模型或权重似乎可以以类似于通过标准 Keras 训练的方式保存为 JSON 文件em>：

import keras
import json

def save_model(trained_model, out_fname="model.json"):
    jsonObj = trained_model.keras_model.to_json()
    with open(out_fname, "w") as fh:
        fj.write(jsonObj)
 
save_model(model, "mymodel.json")

更新：如果您遇到与线程类对象相关的错误，您可能会发现this post 很有帮助...

【讨论】：

【解决方案2】：

在“加载模型”主题下的 Inspect_model.ipynb 笔记本中，您可以在它以推理模式加载模型后保存它。

【讨论】：

【解决方案3】：

在文件夹 Mask_RCNN/logs 里面生成一个文件夹

【讨论】：

OP 询问如何保存模型拱门，而不是权重。在每个时期都保存权重的情况下，您的答案是正确的。

【解决方案4】：

我不确定我们是否真的需要再次保存整个模型，因为通常当我们使用 matterport git 时，我们只是在现有架构上训练新的权重，而不对架构进行更改。当我们将它用于宠物项目时，后期训练 - 我们将新模型定义为 MASK RCNN 对象（来自 mrcnn.model 导入 MaskRCNN），参数模式作为推理，然后加载新训练的权重 model.load_weights('', by_name=True)

【讨论】：